介绍

高光谱成像(HSI)结合了成像和光谱学，增强了材料的非破坏性分析。半岛综合体育官方APP下载德甲当与化学计量学(即多变量)分析相结合时，HSI可以用于预测样品中多种成分的浓度和分布。这使得该技术对食品工业中的许多常规质量检查具有吸引力。¹HSI的一个潜在有用应用是食品加工过程中的异物检测。

异物污染被认为是食品召回最常见的原因之一。因此，为了符合产品安全要求并保持消费者的信心，需要快速、非破坏性的技术来检测和识别食品工业产品中的异物。玻璃、金属和塑料是加工食品中最常被提及的异物。金属探测器通常在食品加工链中实施，以防止成品中出现金属碎片;然而，这些仪器不能检测玻璃和塑料污染。

本文介绍了利用高光谱成像数据对颗粒异物进行鉴别和分类的化学计量学分析方法。高光谱图像是使用推扫线扫描HSI仪器(DV Optics Ltd, Padua, Italy)在近红外(950-1700 nm)波长范围内的漫反射模式下获得的。²调查的异物有:塑料碎片、玻璃珠和橡胶碎片。研究了两种谷物样本:一种是相对均匀的白米颗粒样本，另一种是混合品种谷物样本(含有多种脱水豆类)。

谷物样品中污染物检测的高光谱成像技术

每种污染物的平均和标准偏差反射光谱显示了所研究污染物的不同光学性质[见图1(a) - (c)]。玻璃样品表现出非常低的光谱响应，表明这些样品反射的光水平很低。塑料和橡胶样品对特定波长的近红外(NIR)辐射具有特征吸光度。虽然污染物的光谱特征各不相同，但所研究的食品样品的光谱响应与污染物的光谱响应有一定的重叠;因此，使用单波段图像识别污染物是不合适的。

与其他异物检测方法相比，HSI的一个主要优势是能够根据其光谱特性检测和分类异物。主成分分析(PCA)可以应用于高光谱图像，将其压缩成单个波长图像(“分数”)的线性组合，从而获得最大方差投影。因此，PCA是识别恒指数据中潜在模式的有用工具。为了证明这一点，将PCA应用于含有异物的谷物样品图像。

在未进行光谱预处理的情况下，混合颗粒样品光谱响应的变异性导致PC分数图像的显著变异性，使异物的识别变得困难。因此，为了突出颗粒样品和异物污染物在PC分数空间上的差异，对漫反射光谱进行了各种光谱预处理。研究发现，一阶导数Savitsky-Golay平滑与标准正态变量预处理相结合，可以在PC分数空间中对各种异物进行最佳分离。由于上述光谱预处理的应用，颗粒样本在PC分数图像中呈现均匀性，相对于异物具有较高的像素强度[对于大米，图1(d)]，或者较低的像素强度[对于混合颗粒样本，图1(g)]。因此，可以通过简单的阈值分割将污染物从图像背景中分离出来。然而，由于颗粒的曲率，颗粒的一些边缘区域出现了错误分类[见图1(e)和(h)]。为了去除这些假阳性，保持阈值图像中真实的异物，采用形态学扩张和侵蚀操作，得到更准确的异物检测图像[见图1(f)和(i)]。

为了建立异物识别的判别模型，将PCA应用于属于异物类的像素[如图1(f)和(i)所定义]。混合颗粒样品的PC2图像及其直方图分别如图2(a)和(b)所示。直方图上有三个峰，每个峰对应一种污染物。根据这些峰值对PC2图像进行阈值处理，可以识别每种污染物，如图2所示。

Figure 2. Contaminated mixed grain sample, where: (a) is the second principal component (PC2) image, obtained after applying PCA to spectra from regions containing contaminants as defined by Figure 1(i); (b) is the histogram of (a); regions corresponding to each contaminant are obtained by thresholding (a) according to the groups defined in the histogram (b); (c) is the PC2 eigenvector.

对每个样品进行主成分分析的结果可用于算法开发，以检测和识别加工生产线中的污染物。根据前几节的分析，对混合颗粒样品进行异物检测和分类的典型流程流程图如图3所示。为了清晰起见，省略了标准图像预处理和后处理步骤，如背景去除和死像素去除。因此，PC特征向量的应用使检测和识别样品中的异物成为可能。该方法使用的PC特征向量具有样本特异性和异物特异性。然而，这种分析可以很容易地修改，以在典型的加工环境中进行，在这种环境中，食品样品具有很好的特征，并且已知一系列潜在的可能的异物。

Figure 3. Flow diagram showing method for foreign body detection and classification from hyperspectral image, where PC is a principal component.

总结

近红外波段的高光谱反射成像与化学计量学相结合，为食品中异物的检测和鉴定提供了广阔的前景。这种方法特别适合于识别塑料和橡胶异物，因为这些材料在近红外波长区域表现出特征吸光度。该研究还表明了近红外反射率HSI在谷物样品中检测玻璃的潜力。所提出的方法可以用于检测和识别原料样品中的异物，例如，在食品加工链中。在有关食物样本中可能含有异物的情况下，光的透射比反射更适合用于检测，因为反射成像主要显示表面特征。透射HSI在可见光-近红外波段可能适合于地下异物探测;但它的有用性通常是样品特异性的，强烈依赖于样品的光散射特性。

参考文献

A.A. Gowen, C.P. O 'Donnell, P.J. Cullen, G. Downey和J.M. Frias，“高光谱成像——一种新兴的食品质量和安全控制过程分析工具”，食品科学趋势。抛光工艺。18,590(2007)。doi:10.1016 / j.tifs.2007.06.001
C. Esquerre, A.A. Gowen, J. Burger, G. Downey和C.P. O 'Donnell。“利用化学计量数据预处理抑制近红外光谱成像中样品形貌的影响”;Chemometr。智能。实验室。系统。117, 129(2012)。doi:10.1016 / j.chemolab.2012.02.006

评价这篇文章